CNCC2026将于10月21-24日在成都举办。今年将继续推出Tutorial，本篇介绍的Tutorial是——神经符号学习：理论、方法与应用
Tutorial是由领域内专家主讲，面向全体参会者开放的专题讲座或教学环节，旨在介绍研究领域的最新进展或基础知识，内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板，以便更好地参会后续的前沿报告理解与未来方向思辨。
今年Tutorial共设置11大主题板块：AI基础模型、机器学习理论与机理、强化学习与推理、视觉多模态与世界模型、AI安全与治理、数据科学与数据空间、机器人与具身智能、Agent智能体、新型计算与网络架构、AI4Science、AI+行业。
模块 | 时长 | 内容 |
1. Introduction | 20min | 1. Organization of the tutorial. 2. Background of Neuro-Symbolic Learning. 3. Opportunities of Neuro-Symbolic Learning in Era of Large Models. |
2. Classical Neuro-Symbolic Learning Paradigm | 45min | 1. Taxonomy of Neuro-Symbolic Learning. 2. Abductive Learning: A brief Introduction. |
3. Neuro-Symbolic Learning LLM Reasoning | 50min | 1. The status and challenges to the logical reasoning abilities of LLMs. 2. Evaluation for LLM logical reasoning abilities. 3. Improvement for LLM logical reasoning abilities with Neuro-Symbolic LearningMethods. |
Q&A and Discussion | 10min | Discussion |
4. Neuro-Symbolic Learning for Multi-Modal Understanding and Generation | 50min | 1. How symbolic modules can improve the faithfulness, interpretability, and generalizability of multimodal understanding and generation models. 2. Symbolic intermediate representations: The key to bridge symbolic reasoning and neural understanding/generation. 3. State-of-the-art for neuro-symbolic multimodal understanding and generation. |
5. Neuro-Symbolic Learning Agent | 50min | 1. A brief introduction to neuro-symbolic agent. 2. Neuro-Symbolic Agentic Environment. 3. Neuro-Symbolic Learning for Long-Horizon Agentic Planning. 4. Neuro-Symbolic World Models. |
Q&A and Discussion | 15min | Interactive discussion and future directions. |
Tutorial简介
神经符号学习旨在融合数据驱动的机器学习与知识驱动的符号推理，被认为是突破现有大模型可信可靠性瓶颈、实现下一代人工智能的重要技术途径，得到了政府、学术界、产业界的高度关注。本次Tutorial将系统介绍神经符号学习的基本思想、典型理论框架、代表性方法与发展脉络，并重点讨论在大模型时代，神经符号学习所面临的新机遇与新挑战，围绕大语言模型推理增强、多模态理解与生成、智能体、具身智能等前沿方向，深入分析经典符号主义人工智能方法如何与大模型深度结合，从而提升人工智能系统在复杂开放环境中的知识约束能力、组合泛化能力、长程推理与规划能力、可解释性和可信可靠性。通过本次Tutorial，听众将能够系统理解神经符号学习的核心技术路线、前沿研究进展及其在大模型时代的重要应用前景。
Tutorial目标
了解神经符号学习基本理论
了解神经符号学习的基本内涵与典型方法
了解神经符号学习的典型应用场景
了解大模型时代，神经符号学习的典型应用场景，包括大模型逻辑推理增强、多模态理解与生成、智能体、巨身智能等。
讲者介绍
南京大学至诚特聘教授
博士生导师，智能科学与技术学院副院长，国家级领军人才，主要研究方向为数据知识双驱动的人工智能，代表性工作为融合逻辑推理与机器学习的反绎学习理论与方法，在机器学习、符号推理领域发表学术论文30余篇，获AAAI2025杰出论文奖(共3篇获奖，神经符号AI领域首次获得顶会最佳论文类奖项)，担任第四届国际学习与推理联合大会(IJCLR2024)程序主席、指导委员会委员，推动该大会及其成员会议ILP(CCF-C)等三十余年历史上首次落户中国，受邀在IJCLR2025做主旨报告，2021、2025年两次受邀出席Dagstuhl Seminar关于“程序归纳”主题的闭门论坛，担任机器学习领域一流期刊Machine Learning Journal“Learning and Reasoning"特刊客座编辑。
北京大学人工智能研究院研究员
北京大学人工智能研究院研究员、博士生导师。研究兴趣为因果推断、大模型、神经符号AI，以第一作者/通讯作者身份在ICML、NeurIPS、ICLR等三大人工智能顶会发表论文40余篇，研究成果被《人民日报》《中国人工智能学会》《麻省理工科技评论》等权威媒体报道，谷歌学术引用量超2,700次，获国家发明专利授权17项。主持国家自然科学基金青年学生项目，入选中国科协青年人才托举工程博士生专项计划。曾荣获2026世界人工智能大会“云帆奖”、北京大学"学生五·四奖章"、3次国家奖学金、3次校长奖学金，获评"北京大学2024年度人物"等。担任TMLR执行编辑，以及ICML、NeurIPS、ICLR、KDD等多个顶会领域主席，曾赴卡内基梅隆大学、牛津大学担任访问学者，在多家企业有产业实践经验，牵头研发的智能辅助诊疗系统在全国30余家医院落地，与互联网企业合作的人工智能应用项目服务超10亿用户。
浙江大学计算机科学与技术学院CAD&CG全国重点实验室特聘研究员
浙江大学计算机科学与技术学院CAD&CG全国重点实验室特聘研究员，研究方向为神经符号机器学习理论与方法。在ICML、NeurlPS、ICLR等领域重要会议期刊发表论文三十余篇。获江苏省计算机学会优秀博士论文奖、CCF-AI 2021和CAD/Graphics 2025会议最佳论文奖。担任SDM2023共同宣传主席，2024CSIG青年科学家会议共同注册主席，NeurIPS、ICML ICLR、AAAI、IJCAI等国际学术会议领域主席/高级程序委员。
南京大学准聘副教授
南京大学准聘副教授、博士生导师，主要研究方向为神经符号学习、具身智能体、世界模型、表格数据学习。在人工智能、机器学习一流国际学术会议期刊发表论文60余篇，开源项目累计获GithubStar 1万余次，获中国人工智能学会吴文俊人工智能科学技术奖优秀博士学位论文、江苏省青年人才托举工程、江苏省计算机学会青年科技奖、苏州市U35青年人才培育计划、南京大学紫金学者等荣誉，代表成果入选2024年度江苏省自然科学百篇优秀学术论文、获AAAI 2026 TrustAgent Workshop最佳学生论文奖，获斯坦福Fei-Fei Li教授主办的CVPR 2026EmbodiedBench Challenge冠军、NeurlPS 2025 Embodied AI Challenge最具创新算法奖，担任IJCAI 2025 Workflow Chair、ICML/NeurlPS/ICLR领域主席，主持/参与国家/省部级项目5项，主持CCF-滴滴盖亚基金、CCF-百度松果基金、小米揭榜挂帅项目等。
欢迎参加CNCC2026
CNCC是一个宏观论述技术趋势的大会，具有规格高、规模大、内容丰富等特点，会议形式包括大会特邀报告、大会论坛、专题论坛、特色活动及展览。大会汇聚两院院士、国内外顶尖学者、知名企业家等亲临大会，展望前沿趋势，分享创新成果。ACM、IEEE CS、IPSJ、KIISE等国际计算机组织的代表也多次获邀现场参加这一盛会。CNCC2026将于10月21-24日在四川省成都市举办，大会主题是“数聚驱动，智算未来”，欢迎各界前来参会。
点击“阅读原文”，加入CCF。